一种数控加工参数多目标优化方法技术

本发明专利技术涉及一种数控加工参数多目标优化方法，先根据数控加工过程，分析加工要求，建立反映确定的设计变量与要优化的多目标变量之间的关系的多目标优化数学模型；再运用Pareto遗传算法对多目标优化数学模型进行求解，得到设计变量与多目标变量的Pareto最优解集；分析Pareto最优解集中多目标变量参数间关系，根据TRIZ理论建立目标变量间的矛盾矩阵表，然后根据TRIZ理论发明专利技术原理分析问题，根据分析结果从上述Pareto最优解集中确定出一组最优加工参数。本发明专利技术完善了数控加工参数多目标优化先寻优后决策的模式，克服了基于偏好或经验进行决策的主观性弊端，真正实现和完善了先寻优后决策的求解模式，提高了优化效果。

A multi objective optimization method for NC machining parameters

Multi objective optimization methods of the present invention relates to a NC machining parameter, according to the analysis of NC machining process, machining requirements, the multi-objective optimization model to establish a relationship between the design variables and to determine the optimal multi target variables; then using Pareto genetic algorithm to solve the multi-objective optimization mathematical model, get the optimal design Pareto variable and multi-objective variable solution; solution set of multi-objective parameter analysis of relationship between the optimal Pareto, according to the TRIZ theory to establish the matrix of the objective contradiction between the variables, and then according to the TRIZ theory of invention principle analysis, according to the results of the analysis focus determines a group of optimum processing parameters from the Pareto optimal solution. The invention improves the machining parameters optimization before decision model, to overcome the drawbacks of the subjective decision preference or based on experience, realize and perfect the solving mode optimization before decision, improve the optimization effect.

【技术实现步骤摘要】
一种数控加工参数多目标优化方法
本专利技术属于数控加工参数优化
，具体涉及一种数控加工参数多目标优化方法。
技术介绍
数控加工参数的选择关系到加工系统的生产率、生产成本以及产品的加工质量。目前，大都采用优化方法建立加工系统参数优化模型，并通过一定的优化算法得到最优加工参数，实现加工过程优化的目的。从优化算法发展来看，向智能化方向发展，例如：遗传算法、蚁群算法和粒子群算法等智能算法。针对优化模型，基于数控加工优化目标多，且目标之间存在相互冲突，因此目前大多是运用以提高加工效率、降低加工成本、获得高质量产品为目标的多目标优化方法。目前,参数多目标优化方法有如下几种:①利用加权系数法，将多目标转化为单目标；②根据经验主观决定目标的重要性，将多目标转化为单目标；③运用智能算法，例如Pareto遗传算法，得到最优解集，基于经验和知识进行决策，确定一组最优解。前两种方法都是在优化开始时先人为决策，第三种方法则是先寻优后决策，但是基于经验的决策，都存在主观性问题，所得到的最优解并非最优参数，从而影响优化效果。
技术实现思路
本专利技术的目的在于解决上述的技术问题而提供一种基于Pareto遗传算法和TRIZ理论的数控加工参数多目标优化方法，该方法能根据TRIZ理论的专利技术原理对Pareto最优解集中的最优解进行理性决策，得到合理地最优的加工参数，提高优化效果。为实现上述目的，本专利技术采用如下技术方案：一种数控加工参数多目标优化方法，包括下列步骤：根据数控加工过程，分析加工要求，建立反映确定的设计变量与要优化的多目标变量之间的关系的多目标优化数学模型；运用Pareto遗传算法对多目标优化数学模型进行求解，利用MATLAB软件得到设计变量与多目标变量的Pareto最优解集；分析Pareto最优解集中多目标变量参数间关系，根据TRIZ理论建立目标变量间的矛盾矩阵表，然后根据TRIZ理论专利技术原理分析问题，根据分析结果从上述Pareto最优解集中确定出一组最优加工参数。本专利技术基于Pareto遗传算法对数控加工参数多目标优化模型进行寻优，并利用MATLAB软件得到Pareto最优解集,分析解集中参数间关系，再根据TRIZ理论总结和形成选择最优解的科学原理，进而理性决策出最优解，完善了数控加工参数多目标优化先寻优后决策的模式，克服了基于偏好或经验进行决策的主观性弊端，真正实现和完善了先寻优后决策的求解模式，提高了优化效果。附图说明图1为本专利技术的数控加工参数多目标优化方法的流程框图；图2为螺旋铣削数控加工的原理示意图；图3为基于Pareto遗传算法得到的Pareto最优解集；图4为基于TRIZ理论对Pareto最优解集中最优解的分析和决策的原理示意图。具体实施方式下面，结合实例对本专利技术的实质性特点和优势作进一步的说明，但本专利技术并不局限于所列的实施例。下面，以螺旋铣削为例详细说明本专利技术的实现过程。在螺旋铣削数控加工过程中，通过刀具1在被加工件2表面进行螺旋运动在工作表面铣削，参见图2所示。参见图1所示，一种数控加工参数多目标优化方法，包括下列步骤：S101,根据数控加工过程，分析加工要求，建立反映确定的设计变量与要优化的多目标之间的关系的多目标优化数学模型；1).确定影响要优化的多目标变量的设计变量当被加工件、刀具和机床相关参数被确定后，切削速度、进给量及切削深度是影响生产加工效率的主要因素。本专利技术以螺旋铣削为例，相关加工参数有切削速度、每齿进给量、轴向切削深度、刀具直径及齿数，鉴于切削深度对刀具耐用度的影响较小，一般将其视为常量，而当刀具选定后，刀具直径和齿数也为既定值，因此，确定设计变量即待优化的变量参数X为：切削速度v和每齿进给量f，其表达式为X＝(x1,x2)＝(v,f)；2).根据上述设计变量确定计算要优化的多目标变量的多目标优化函数加工参数优化的目标是降低成本、提高加工效率，同时保证加工质量，其中，刀具的磨损和失效对加工成本影响最大。因此确定加工效率E和刀具耐用度T作为优化目标,加工效率E表示为加工时间的倒数，如下：式中：tm为切削时间，单位为秒s；d为工件直径，单位为毫米mm；v为切削速度，m/min；L为工件切削长度，单位为毫米mm；f为每齿进给量，mm/齿；Z为刀具齿数。根据金属切削理论，刀具耐用度T(v,f)表示为如下：式中：耐用度系数Cz是由工件材料、刀具材料及其他切削条件等确定的；ap为切削深度，α、β、γ分别表示v、f、ap影响刀具耐用度程度的指数；3).确定多目标优化函数的约束条件，建立多目标优化数学模型；数控加工过程中，约束条件一般由切削力、工件表面粗糙度和机床功率等影响切削用量选择的因素构成。常用约束条件有：切削力约束，机床功率约束，切削用量范围约束；本专利技术中，选择约束条件为工件表面粗糙度、刀具的切削速度以及每齿进给量；建立以切削速度和每齿进给量为设计变量，刀具耐用度(加工成本)和切削加工效率为优化目标的多目标优化数学模型；如下所示，设计变量为：x1(v)，x2(f)，约束条件为：切削速度50m/min≤x1≤100m/min每齿进给量0.05mm/齿≤x2≤0.08mm/齿表面粗糙度3μm≤Ra≤8μmS102,运用Pareto遗传算法对多目标优化数学模型进行求解，利用MATLAB软件得到设计变量与多目标变量的Pareto最优解集：1).根据加工条件，确定多目标优化数学模型计算所用的加工参数及加工相关系数；例如，基于切削用量手册得到刀具耐用度系数：Cz＝2118，α＝1.5，β＝0.5，γ＝0.5；根据经验确定ap＝0.15mm；螺旋铣刀参数：齿数Z＝4，刀具直径d＝8mm；加工零件长度L＝152mm。2).设置多目标遗传算法计算用参数。根据多目标遗传算法确定计算用参数如下：迭代次数200、初始种群大小60、变异概率0.05、交叉概率0.8；3).运用MATLAB多目标遗传优化算法工具箱对多目标优化数学模型进行计算，得到设计变量与多目标变量的Pareto最优解集；如图3所示，横坐标代表刀具耐用度，纵坐标代表加工效率，每个黑色点都是一个解。如兼顾加工效率和刀具耐用度两个目标变量，根据经验和知识选择两者中间值，确定四组优化解，如表1所示基于经验选择的加工参数优化值。表1S103,分析Pareto最优解集中目标变量参数间关系，根据TRIZ理论建立目标变量间的矛盾矩阵表，然后根据TRIZ理论专利技术原理分析问题，根据分析结果从上述Pareto最优解集中确定出一组最优加工参数；1).分析Pareto最优解集中目标变量参数间关系。根据上述表1所示四组加工参数，发现当刀具耐用度最大时，加工效率最低；加工效率最高时，刀具耐用度最小；即两个目标变量参数间为反比例关系；2).根据TRIZ理论建立目标变量间的矛盾矩阵表。基于TRIZ理论，将以上两个目标变量参数间关系转化成技术矛盾参数，要改善的目标变量是“刀具耐用度”，恶化的目标变量是“加工效率”；根据TRIZ理论39个通用工程参数，将“刀具耐用度”和“加工效率”分别用“运用物体的作用时间”和“生产率”来表示，进而建立矛盾矩阵表如下表2所示。表23).运用矛盾矩阵表中的专利技术原理分析问题，并根据分析结果确定最优加工参数。根据TRIZ理论将刀具耐用度与加工效率这两个目标参数转化本文档来自技高网...

【技术保护点】
一种数控加工参数多目标优化方法，其特征在于，包括下列步骤：根据数控加工过程，分析加工要求，建立反映确定的设计变量与要优化的多目标变量之间的关系的多目标优化数学模型；运用Pareto遗传算法对多目标优化数学模型进行求解，利用MATLAB软件得到设计变量与多目标变量的Pareto最优解集；分析Pareto最优解集中多目标变量参数间关系，根据TRIZ理论建立目标变量间的矛盾矩阵表，然后根据TRIZ理论专利技术原理分析问题，根据分析结果从上述Pareto最优解集中确定出一组最优加工参数。

【技术特征摘要】
1.一种数控加工参数多目标优化方法，其特征在于，包括下列步骤：根据数控加工过程，分析加工要求，建立反映确定的设计变量与要优化的多目标变量之间的关系的多目标优化数学模型；运用Pareto遗传算法对多目标优化数学模型进行求解，利用MATLAB软件得到设计变量与多目标变量的Pareto最优解集；分析Pareto最优解集中多目标变量参数间关系，根据TRIZ理论建立目标变量间的矛盾矩阵表，然后根据TRIZ理论发明原理分析问题，根据分析结果从上述Pareto最优解集中确定出一组最优加工参数。2.根据权利要求1所述数控加工参数多目标优化方法，其特征在于，所述建立反映确定的设计变量与要优化的多目标变量之间的关系的多目标优化数学模型的步骤如下...

【专利技术属性】
技术研发人员：刘恒丽，
申请(专利权)人：天津商业大学，
类型：发明
国别省市：天津,12